التقسيم الدقيق للدلالة أمر حاسم لفهم المشاهد عن بُعد عالية الدقة. تحتوي صور الاستشعار عن بُعد على فروقات كبيرة في عدد ومقياس الأشياء الجغرافية المختلفة، وتتمتع بسمات مكانية ودلالية معقدة. طريقة المدمجة المباشرة لدمج السمات المكانية والدلالية، تتسم بعدم استغلال السمات الغنية المتواجدة في الصور بشكل كاف. لذلك، يقدم هذا البحث خوارزمية تقسيم دلالي لصور الاستشعار عن بُعد عالية الدقة تعتمد على شبكة المدمجة المكونة من ثلاث فروع، وتحل مشكلات استخراج السمات المُعدة واستخدام السمات بشكل غير كاف. أولاً، يصمم فروع الاستخراج الخاصة بالمكان والدلالة بصورة منفصلة لاستخدام المعلومات الفضائية والدلالية الموجودة في صور الاستشعار عن بُعد بشكل كاف، مما يعزز تكملت السمات. ثانيًا، تقدم فكرة فروع الاتساق، التي تهدف إلى تعلم سمات الدلالة والفضاء بطريقة متسقة، لتحسين أداء الشبكة في التقسيم. وأخيرًا، تقدم وحدة الدمج متعددة المقاسات لمزج السمات الثلاثة للتحسين قدرة النموذج على التكيُّف. بالإضافة إلى ذلك، يقدم هذا البحث طريقة تعزيز بيانات القص والصدفة التي تركز على الاتساق الفضائي، ويدمج دالة خسارة متنوعة لحل مشكلة عدم التوازن في عدد الفئات في مجموعة البيانات لتخفيف مشكلة الحصول على تلميح مفرط بسبب عدد العينات لفئة في مجموعة البيانات. تظهر نتائج التجربة أن خوارزمية هذا البحث في فصل الدلالة لصور بوتسدام وفايهينجن الفضاءية على التوالي بلغت 87.84 ٪ و 87.49 ٪، مما يثبت أن هذا الخوارزمية قادرة على استخراج ودمج سمات الدلالة والفضاء عالية الدقة في صور الاستشعار عن بُعد، وتحسين دقة تقسيم صور الاستشعار عن بُعد.

صور الاستشعار عن بُعد عالية الدقة؛ تقسيم الدلالة؛ دمج متعدد المقاسات؛ تعزيز البيانات؛ استخراج السمات متعدد الفروع؛ الاتساق الفضائي